| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2019-10-18 13:00 深層学習を用いた電波伝搬推定手法に適した入力データの種類とサイズについて ○林 高弘・長尾竜也・伊藤智史（KDDI総合研究所）  AP2019-102 |
|
| 抄録 | （和） | 近年，モバイルトラヒックの急激な増加に加えて，IoT，コネクティッドカーなど多種多様なサービスを高速かつ高品質に実現することが求められ，複雑な電波伝搬特性の解明が不可欠となっている．本稿では，複雑な関数形の導出を必要とせず，任意の非線形関数への回帰が可能な深層学習による電波伝搬推定手法について述べる．深層学習は，入力データから問題解決に必要となる特徴量そのものが学習できることが特徴であり，電波伝搬推定においては，地図等の空間情報の入力データから伝搬推定に必要となる環境パラメータを学習することと考えられる．都市部で取得した実測データを用いて，電波伝搬推定に深層学習を適用した際の入力データの種類とサイズの関係を演算量と推定精度の観点から明らかにした． |
| （英） | Not only has the volume of mobile traffic been increasing exponentially in recent years, making various services available, such as IoT and connected cars moving at high speed, has also become necessity; moreover, the quality of these services has to be extremely high. As a result, it is necessary to clarify the complicated characteristic of radio propagation. In this paper, we describe radio propagation prediction using a deep neural network (DNN) that can regress to non-linear functions without having to derive complex functions. DNN can learn the features needed for problem solving from input data, in other words, in radio propagation predictions, it is able to learn the environment parameters required for propagation prediction from spatial information that is input such as map data. Based on the evaluation results of propagation prediction with DNN using measurement data in urban area, we clarify the relationship between the variety and size of input data from the viewpoint of estimation accuracy and computational complexity. | |
| キーワード | （和） | 電波伝搬推定 / 機械学習 / 深層学習 / ディープニューラルネットワーク / / / / |
| （英） | Radio propagation prediction / Machine learning / Deep learning / Deep neural network / / / / | |
| 文献情報 | 信学技報, vol. 119, no. 228, AP2019-102, pp. 119-124, 2019年10月. | |
| 資料番号 | AP2019-102 | |
| 発行日 | 2019-10-10 (AP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | AP2019-102 |
|
| 研究会情報 | |
| 研究会 | AP |
| 開催期間 | 2019-10-17 - 2019-10-18 |
| 開催地（和） | 大阪大学 |
| 開催地（英） | Osaka Univ. |
| テーマ（和） | 学生特集, 一般 |
| テーマ（英） | Student Session, Antennas and Propagation |
| 講演論文情報の詳細 | |
| 申込み研究会 | AP |
| 会議コード | 2019-10-AP |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習を用いた電波伝搬推定手法に適した入力データの種類とサイズについて |
| サブタイトル（和） | |
| タイトル（英） | A study on variety and size of input data for radio propagation prediction using a deep neural network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 電波伝搬推定 / Radio propagation prediction |
| キーワード(2)（和/英） | 機械学習 / Machine learning |
| キーワード(3)（和/英） | 深層学習 / Deep learning |
| キーワード(4)（和/英） | ディープニューラルネットワーク / Deep neural network |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 林 高弘 / Takahiro Hayashi / ハヤシ タカヒロ |
| 第1著者 所属（和/英） | 株式会社KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc (略称： KDDI Research, Inc) |
| 第2著者 氏名（和/英/ヨミ） | 長尾 竜也 / Tatsuya Nagao / ナガオ タツヤ |
| 第2著者 所属（和/英） | 株式会社KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc (略称： KDDI Research, Inc) |
| 第3著者 氏名（和/英/ヨミ） | 伊藤 智史 / Satoshi Ito / イトウ サトシ |
| 第3著者 所属（和/英） | 株式会社KDDI総合研究所 (略称： KDDI総合研究所) KDDI Research, Inc (略称： KDDI Research, Inc) |
| 講演者 | 第1著者 |
| 発表日時 | 2019-10-18 13:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | AP |
| 資料番号 | AP2019-102 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.228 |
| ページ範囲 | pp.119-124 |
| ページ数 | 6 |
| 発行日 | 2019-10-10 (AP) |
[研究会発表申込システムのトップページに戻る]